İçeriğe geç
CANLI 21 sa önce OpenAI Performance Factory: Codex, ChatGPT’yi hızlı tutuyor 21 sa önce Çin çip kısıtlaması: Sevkiyat durdu, bulut kapısı kapandı 21 sa önce Nadella 60 bin çalışan için ayrılma teklifini açıkladı 21 sa önce Gemini Mac bilgisayar kullanımı özelliği tanıtıldı 21 sa önce Anthropic Nasdaq’ta ilk gün: Hisse 111,50 dolardan açıldı Zekâ endeksi lideri Claude Fable 5.2 (Max, Default Fallback) · 64,6 21.11.2026
Bülten

arXiv 2611.26586 cs.AI

ProtoDiffusion: Çok Katmanlı Görüntülerin Katman Başına Token Olarak Üretken Modellemesi

Özgün başlık ProtoDiffusion: Token-per-Layer Generative Modeling of Multi-Layer Images

  • Adrià Ciurana Lanau
  • Harleen Hanspal
  • Lusine Abrahamyan
  • Emilio Tylson Baixauli
  • Yu Cao
  • Danai Triantafyllidou
  • Stefano Zorzi
  • Gustavo Zanoni Felipe
  • Peter Griger
  • Stefan Sietzen
  • Petru-Daniel Tudosiu
ai/muhabir · özet metinden derlendi

Grafik tasarımlar, ayrılması seçime, harekete ve yeniden kullanıma olanak sağlayan RGBA katmanlarının sıralı bileşimleridir. Mevcut katmanlı modeller, her katmanı tam tuval veya bölge boyutunda uzamsal gizli ızgarayla temsil eder; böylece temsil boyutu, katmanların kümülatif uzamsal boyutuyla birlikte büyür. Bir tasarımı tek bir paylaşılan uzamsal prototip ve katman başına bir aday vektör halinde kodlayan çok katmanlı bir varyasyonel otomatik kodlayıcı olan ProtoVAE üzerine kurulu bir gizli difüzyon çerçevesi olan ProtoDiffusion'ı sunuyoruz.

Bu kısa özet, sayfanın kendi metninin ilk cümlelerinden otomatik derlendi; “Yeniden yaz” aynı özeti baştan yazar.

02 Özet

Grafik tasarımlar, ayrılması seçime, harekete ve yeniden kullanıma olanak sağlayan RGBA katmanlarının sıralı bileşimleridir. Mevcut katmanlı modeller, her katmanı tam tuval veya bölge boyutunda uzamsal gizli ızgarayla temsil eder; böylece temsil boyutu, katmanların kümülatif uzamsal boyutuyla birlikte büyür. Bir tasarımı tek bir paylaşılan uzamsal prototip ve katman başına bir aday vektör halinde kodlayan çok katmanlı bir varyasyonel otomatik kodlayıcı olan ProtoVAE üzerine kurulu bir gizli difüzyon çerçevesi olan ProtoDiffusion'ı sunuyoruz. Her aday, karşılık gelen RGBA katmanını yeniden oluşturmak için paylaşılan bir kod çözücüyü koşullandırır. $N$ katmanları için temsil, omurgaya özgü paketlemeden önce $HW+N$ belirteçlerini içerirken, katman başına tam ızgara temsilleri için $NHW$ bulunur. ProtoDiffusion, isteğe bağlı düzen kılavuzu olarak sınırlayıcı kutularla birlikte prototipi ve bir görüntü veya metin üzerine koşullandırılmış sabit bir aday yuva kümesini ortaklaşa temizler. Model, gereksiz yuvaları boş bırakır ve katmanların sayısını ve kutuların yokluğunda bunların düzenini, girdi olarak gerektirmeden belirler. Aynı mimari hem görüntüden tasarıma hem de metinden tasarıma destekler. ProtoVAE, kompakt paylaşımlı gizli gösterimi sayesinde, katman kırpmalarında 40,43 dB PSNR'ye ulaşan yüksek kaliteli yeniden yapılandırma elde eder. LayerD değerlendirme bölümünde görüntüden tasarıma, en güçlü ince ayarlı taban çizgisiyle (0,871) karşılaştırılabilecek, kutu kılavuzlu alfa yumuşak IoU (0,850) ile sınırlayıcı kutularla 0,040 ve sınırlayıcı kutular olmadan 0,057 RGB L1 puanları elde edilir. Birleştirilmiş görüntülerde metinden tasarıma, FLUX.2 [klein] için 86,84'e karşılık 66,41 FID'ye ulaşır, 0,860 metin doğruluğu puanına ulaşır ve aynı omurga oluşturma ve ardından ayrıştırma kademesinden 19,1 kat daha hızlı çalışır.

Bu çeviri otomatik (makine çevirisi) olarak hazırlandı; bilimsel alıntı için özgün özeti esas alın.

Graphic designs are ordered compositions of RGBA layers whose separation enables selection, movement, and reuse. Existing layered models represent each layer with a full-canvas or region-sized spatial latent grid, so representation size grows with the cumulative spatial extent of the layers. We present ProtoDiffusion, a latent-diffusion framework built on ProtoVAE, a multi-layer variational autoencoder that encodes a design into one shared spatial prototype and one candidate vector per layer. Each candidate conditions a shared decoder to reconstruct its corresponding RGBA layer. For $N$ layers, the representation contains $HW+N$ tokens before backbone-specific packing, compared with $NHW$ for full-grid-per-layer representations. ProtoDiffusion jointly denoises the prototype and a fixed set of candidate slots, conditioned on an image or text, with bounding boxes as optional layout guidance. The model leaves unneeded slots empty and determines the number of layers and, in absence of boxes, their layout, requiring neither as input. The same architecture supports both image-to-design and text-to-design. ProtoVAE achieves high-fidelity reconstruction from its compact shared latent representation, reaching 40.43 dB PSNR on layer crops. On the LayerD evaluation split, image-to-design achieves RGB L1 scores of 0.040 with bounding boxes and 0.057 without, with box-guided alpha soft IoU (0.850) comparable to the strongest fine-tuned baseline (0.871). On merged images, text-to-design reaches 66.41 FID versus 86.84 for FLUX.2 [klein], achieves a 0.860 text-accuracy score, and runs $19.1times$ faster than the same-backbone generation-then-decomposition cascade.

03 PDF

Bu PDF başka bir sitede (arxiv.org) barındırılıyor ve sayfa içinde gösterilemiyor. Yukarıdaki düğmelerle yeni sekmede açabilir ya da indirebilirsiniz.

04 Kaynak göster

BibTeX
@article{lanau2026protodiffusion,
  title   = {ProtoDiffusion: Token-per-Layer Generative Modeling of Multi-Layer Images},
  author  = {Adrià Ciurana Lanau and Harleen Hanspal and Lusine Abrahamyan and Emilio Tylson Baixauli and Yu Cao and Danai Triantafyllidou and Stefano Zorzi and Gustavo Zanoni Felipe and Peter Griger and Stefan Sietzen and Petru-Daniel Tudosiu},
  journal = {arXiv preprint arXiv:2611.26586},
  year    = {2026},
  url     = {https://arxiv.org/abs/2611.26586}
}
APA
Lanau, A. C., Hanspal, H., Abrahamyan, L., Baixauli, E. T., Cao, Y., Triantafyllidou, D., Zorzi, S., Felipe, G. Z., Griger, P., Sietzen, S., & Tudosiu, P. (2026). ProtoDiffusion: Çok Katmanlı Görüntülerin Katman Başına Token Olarak Üretken Modellemesi. arXiv. https://arxiv.org/abs/2611.26586
Paylaş
X LinkedIn WhatsApp Telegram Reddit Bluesky Threads E-posta

Yorumlar 0

Yorum yazın

Karakter: 0/1000

Henüz yorum yok. İlk yorumu siz yazın.